Les tests diagnostiques : ce dont on parle.
|
|
- Thibaud Alarie
- il y a 7 ans
- Total affichages :
Transcription
1 Les tests diagnostiques : ce dont on parle. Claudine Schwartz Le dépistage de nombreuses pathologies repose en partie, mais en partie seulement, sur les résultats d un ou plusieurs tests. Dans un monde parfait, un test dirait à coup sûr si on est malade, ou si on ne l est pas. La réalité est évidemment autre, et différents paramètres doivent être introduits pour pouvoir interpréter un test diagnostique. A quoi servent ces paramètres? Nous proposons d en délimiter le sens et les usages, en distinguant deux points de vue. Celui de la «santé publique» qui porte son regard sur toute la population et celui d un individu qui cherche à savoir s il est ou non malade. I- Le point de vue de la santé publique On dispose d un test dépistage d une certaine maladie M. On aimerait savoir au minimum quel pourcentage de cas seront repérés par ce test. Lorsqu un fabriquant livre un test, il fournit en général deux caractéristiques techniques : La sensibilité C est la probabilité d avoir un test positif sachant qu on a la pathologie M ; nous la noterons P M (T + ). On souhaite que la sensibilité soit proche de. Avec une sensibilité 0,8, environ 80% des malades auront un test positif (ce sont les «vrais positifs») et seront ainsi repérés ; 0% auront un test négatif (ce sont les «faux négatifs») et sont susceptibles de ne pas recevoir les soins appropriés. Ces résultats portent sur l ensemble de la population ciblée par le test et est donc d intérêt pour les institutions de santé publique. Ils ne sont pas interprétables pour un usager individuel du test qui ignore s il est malade et qui utilise le test pour le savoir (voir la partie II : le point de vue de l individu). La spécificité Un test toujours positif aurait une sensibilité égale à, et n aurait pourtant aucun intérêt : on ne peut pas se contenter, pour juger de l efficacité d un test, de sa seule sensibilité. Une mesure de la spécificité du test vis à vis de M doit être connue. Cette mesure est ici la probabilité d avoir un test négatif sachant qu on n a pas la pathologie M ; nous la noterons
2 P M (T - ). On souhaite que la spécificité soit proche de. Si un test a une spécificité 0,9, environ 90% de ceux qui ne sont pas atteints par M auront un test négatif (ce sont les «vrais négatifs») ; 0% auront un test positifs (ce sont les «faux positifs») et seront inquiétés à tort par le fait d avoir subi le test. De nombreux tests reposent sur la valeur de certaines variables (marqueurs spécifiques, etc.). Si X est une telle variable, avec une tendance à être plus élevée chez les malades, on fixe un seuil a : le test sera dit positif pour X>a (ou X a) et négatif sinon. Dans cette situation, si on élève le seuil a, la sensibilité diminue, mais la spécificité augmente et si on abaisse a, c est l inverse : il y a donc un choix à optimiser qui peut être soutenu par une représentation graphique (voir courbes ROC Pour éviter de manipuler deux paramètres, on caractérise souvent un test par son rapport de vraisemblance, noté LR d après la terminologie anglaise (Likelihood Ratio) : Sensibilit é PM ( LR= Spécificit é P ( Ainsi, un test qui a une sensibilité 0,8 et une spécificité 0,9 a un rapport de vraisemblance LR=0,8/0,=8. Cela signifie qu un individu malade a 8 fois plus de chances d avoir un test positif qu un individu non atteint par M. On notera que le rapport de vraisemblance ne dépend pas de la probabilité M) (appelée prévalence de la pathologie) d être malade dans la population ciblée par le test, au moment ou celui-ci sera utilisé (une telle prévalence est en effet susceptible d évoluer au cours du temps). Le rapport de vraisemblance est un paramètre technique propre au test. Remarques : Le test étant utilisé dans le processus de diagnostic de la pathologie M, une exigence minimale est que le rapport de vraisemblance soit supérieur à. Il en découle que la probabilité d avoir un test positif est plus élevée chez les malades que dans la population ciblée, quelque soit la prévalence M) de la pathologie. P (T + ) = P M (T + ) P (M) + P M (T + ) (-P (M)) < P M (T + ) Combinaisons de tests Considérons deux tests T et T relatifs à la même maladie M. Savoir que l un des deux est positif (resp. négatif) rend plus probable la probabilité d avoir (ou de ne pas avoir) M et donc que le second test soit positif. Autrement dit, les résultats des tests ne sont pas indépendants. Par contre, il arrive fréquemment que les résultats des tests soient indépendants conditionnellement au fait d avoir ou non la maladie M, soit : P M ( T et P M ( T et M = P M ( P M ( = P M ( P M ( Supposons qu il en soit ainsi. Un test T construit en disant qu il est positif si et seulement si les deux tests T et T le sont admet alors pour rapport de vraisemblance le produit des rapports des deux tests :
3 PM ( Ti ) LR=LR LR où LR i P ( Ti ) M Si on combine de même plusieurs tests ayant entre eux cette propriété d indépendance conditionnelle, le rapport de vraisemblance final est le produit des rapports de chacun d eux. Remarques : -L hypothèse d indépendance conditionnelle est néanmoins assez forte : pour combiner des résultats de tests et inclure des facteurs de risques (tels l âge) pour aider au diagnostic, d autres techniques sont souvent plus pertinente (la régression logistique notamment). -La sensibilité et la spécificité sont intrinsèques au test et s appliquent sur toute population sous réserve que celle-ci ne soit pas définie à partir d un critère en interaction avec les résultats de ce test. En effet, imaginons que T et T n aient pas la propriété d indépendance conditionnelle énoncée ci-dessus et que lorsqu un individu est malade un seul des deux tests puisse être positif, l autre étant alors forcément négatif. Si on se restreint à la population des individus pour lesquels le premier test est positif, la sensibilité dans cette population du deuxième test est alors nulle. II- Le point de vue d un usager Abordons maintenant le point de vue du médecin et de son patient : on connaît le résultat du test, on cherche à inférer la probabilité que l individu soit ou non atteint par la pathologie M. - Si le test est positif, on s intéresse à la probabilité d avoir effectivement la pathologie ; cette probabilité, appelée la valeur prédictive positive s écrit aussi : ( P T M ) P M ( VPP = P T (M)= = M) D après la remarque ci-dessus, ( P ( >, la valeur prédictive est toujours supérieure à la P M prévalence p=m) de la pathologie dans la population cible du test (soit : VPP>p). On peut exprimer ce paramètre en fonction des caractéristiques du test, et en particulier de sa vraisemblance : p LR VPP= p ( LR ) Cette écriture fait bien apparaître la dépendance de la VPP par rapport à p : il n est pas intuitif a priori que la performance d un test, en termes de diagnostic individuel, dépend de la prévalence de la pathologie dans la population à laquelle appartient l individu. Mais on peut le comprendre avec un exemple : Soit un test ayant une sensibilité 0,8 et une spécificité 0,9 et dix mille résultats de ce test. Supposons que la pathologie ait une faible prévalence, disons p=/00, ce qui correspond à environ 00 malades pour les individus testés ; le nombre de vrais positifs est de l ordre de 0,8 00=80 ; le nombre de faux positifs est de l ordre de 0, 9 900=990 ; il y a ainsi environ = 070 tests positifs, dont 80 seulement correspondant à des malades : les faux positifs sont beaucoup plus nombreux que les vrais positifs. On a : VPP=80/070= 0,075 3
4 (7,5%) : c est faible ; néanmoins l information apportée par le résultat positif du test a multiplié par 7,5 la probabilité d être malade. Par contre si la pathologie est fréquente, le test devient un bon prédicteur de M : comme on peut le voir sur le graphique ci-dessous, si p=0,3,vpp 0,78 et si p=0,5, VPP 0,9 (on a ici LR=8) Remarque : Imaginons qu on fasse passer deux tests T et T indépendants conditionnellement au fait d avoir ou non la maladie. Si le premier test est positif, l individu se trouve avoir une probabilité p d être malade qui est la VPP de ce test. Si le second test est positif, la probabilité p d être malade est donnée par la VPP du second test, calculée pour une population où la prévalence de M est p. On trouve alors : p = p LR p LR LR p LR LR p ( LR ) p ( LR ) p LR ( LR ) p ( LR LR ) On retrouve, fort heureusement, que p est la VPP du test combiné T et T, dont nous avons vu que la vraisemblance était le produit des vraisemblances de chaque test. - Si le test est négatif, on s intéresse à la probabilité de ne pas avoir la pathologie ; cette probabilité, appelée la valeur prédictive négative est : ( P T M ) P ( VPN = P T ( M )= = M ) M Un raisonnement analogue à celui qui a été fait précédemment montre que ( P ( >. La valeur prédictive négative est toujours supérieure à la probabilité -p de ne pas avoir la pathologie dans la population cible du test, autrement dit le résultat négatif du test apporte lui aussi de l information vis-à-vis de l absence de M. On peut exprimer ce paramètre en fonction des caractéristiques du test : ( p) sp VPN= p ( se) ( p) sp Comme la VPP, la VPN dépend de la prévalence. Pour symétriser au niveau des calculs la situation entre VPP et VPN, on pourrait introduire une rapport de vraisemblance négative (LR*=sp/(-se)) pour avoir une formule analogue à celle de la VPP, soit ici VPN= q LR*/ (+q (LR*-)), avec q=-p) mais ce n est pas l usage. P M 4
5 Reprenons l exemple précédent. Soit un test ayant une sensibilité 0,8 et une spécificité 0,9 et dix mille résultats de ce test. Supposons que la pathologie ait une faible prévalence, disons p=/00, ce qui correspond à environ 00 malades pour les individus testés ; le nombre de vrais négatifs serait de l ordre de 0,9 9900=890 ; le nombre de faux négatifs serait de l ordre de 0, 00=0 ; il y aura ainsi 890+0=8930 tests négatifs, dont 890 correspondant à des malades : les vrais négatifs sont beaucoup plus nombreux que les faux négatifs et on aura : VPN=890/8930= 0,998 (99,8%) ; l information apportée par le résultat négatif du test permet de passer d une probabilité 0,99 à une probabilité 0,998 de ne pas être atteint de la pathologie M. Le résultat constitue ainsi un argument fort en faveur de l absence de pathologie. Dans le cadre de dépistage automatique, ce test peut servir à éliminer de individus jugés indemnes de M, les autres (ceux qui ont un test positif) subissant de nouvelles procédures de diagnostic. De même qu on a synthétisé la spécificité et la sensibilité avec un seul paramètre, le rapport de vraisemblance, on peut synthétiser les deux paramètres VPP et VPN en un seul qui est appelé risque relatif dans le champ d étude des facteurs de risques. RR(T + VVP PT ( M ) )= VPN P ( M ) Un risque relatif de 8 indique qu on a 8 fois plus de chances d être atteint de M si on a un test positif que si on a un test négatif. T En conclusion, quatre paramètres sont utilisés lorsqu on parle de test diagnostique en médecine : -la sensibilité se et la spécificité sp. Ce sont des paramètres techniques intrinsèques au test et qui permettent d évaluer sa qualité au niveau d une population. Le rapport de vraisemblance combine ces deux paramètres. -les valeurs prédictives positive et négative VPP et VPN qui renseignent l individu sur ses chances d être malade ou non, calculées à partir de l information apportée par le résultat de son test. Ces paramètres dépendent à la fois des caractéristiques du test et de la prévalence de la pathologie dans la population. La VPP et la VPN sont d autant meilleures que la sensibilité et la spécificité sont élevées, mais plus la pathologie est rare, meilleure est la VPN et moins bonne est la VPP. Le rapport VPP/(-VPN), appelé risque relatif est le rapport de la probabilité d être malade dans les populations test positif et à test négatif. Au temps des oracles on n avait pas à réfléchir, toutes ces considérations étaient hors propos.mais l espérance de vie était courte. Avoir un test positif peut en effet être assimilé à un «facteur de risque» d avoir la maladie M, facteur à prendre en compte dans un processus de diagnostic. 5
CALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING
CALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING SÉLECTION DES RISQUES PRÉVISION DES DÉFAUTS SUIVI ET CONTRÔLE Pierre-Louis GONZALEZ Différents types de
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailEvalua&on tests diagnos&ques. Arnaud Fontanet
Evalua&on tests diagnos&ques Arnaud Fontanet Résultats d un test diagnos&que Maladie «Gold standard» Test expérimental + a b a+b - c d c+d a+c b+d Evaluation tests diagnostiques. Arnaud Fontanet 2 Résultats
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailAssociations Dossiers pratiques
Associations Dossiers pratiques Le tableau de bord, outil de pilotage de l association (Dossier réalisé par Laurent Simo, In Extenso Rhône-Alpes) Difficile d imaginer la conduite d un bateau sans boussole
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailLES RÉFÉRENTIELS RELATIFS AUX ÉDUCATEURS SPÉCIALISÉS
LES RÉFÉRENTIELS RELATIFS AUX ÉDUCATEURS SPÉCIALISÉS 1. RÉFÉRENTIEL PROFESSIONNEL D ÉDUCATEUR SPÉCIALISÉ 2. RÉFÉRENTIEL ACTIVITÉS 3. RÉFÉRENTIEL DE 4. RÉFÉRENTIEL DE CERTIFICATION 5. RÉFÉRENTIEL DE FORMATION
Plus en détailLE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE.
LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE. Synthèse des travaux réalisés 1. Problématique La question D7 du plan d exécution du Programme National de Recherches
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailCHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal
III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailLA RESPONSABILITÉ DU RADIOLOGUE Point de vue de l avocat
JFR 2007 LA RESPONSABILITÉ DU RADIOLOGUE Point de vue de l avocat Xavier Heymans Avocat à la Cour de Bordeaux www.heymans-avocat.com INTRODUCTION Rejet de la fatalité Socialisation du risque Responsabilisation
Plus en détail1 Première section: La construction générale
AMALGAMATIONS DE CLASSES DE SOUS-GROUPES D UN GROUPE ABÉLIEN. SOUS-GROUPES ESSENTIEL-PURS. Călugăreanu Grigore comunicare prezentată la Conferinţa de grupuri abeliene şi module de la Padova, iunie 1994
Plus en détailAnalyse financière détaillée
Analyse financière détaillée L analyse financière détaillée réintègre le cadre comptable de la comptabilité générale. En particulier les hypothèses introduites dans l analyse sommaire sont levées. Cela
Plus en détailRéaliser la fiche de lecture du document distribué en suivant les différentes étapes de la méthodologie (consulter le support du TD!
Réaliser la fiche de lecture du document distribué en suivant les différentes étapes de la méthodologie (consulter le support du TD!) 1. Réaliser la note sur l auteur (bien lire le document, utiliser Internet)
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailPoker. A rendre pour le 25 avril
Poker A rendre pour le 25 avril 0 Avant propos 0.1 Notation Les parties sans * sont obligatoires (ne rendez pas un projet qui ne contient pas toutes les fonctions sans *). Celles avec (*) sont moins faciles
Plus en détailLe ROI du marketing digital
Online Intelligence Solutions Le ROI du marketing digital et les Web Analytics Par Jacques Warren WHITE PAPER A propos de Jacques warren Jacques Warren évolue en marketing digital depuis 1996, se concentrant
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailLecture critique et pratique de la médecine
1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailAVIS N 118 DU 13 FEVRIER 2009 DU BUREAU DU CONSEIL DE L EGALITE DES CHANCES ENTRE HOMMES ET FEMMES, RELATIF A LA PROPOSITION DE DIRECTIVE PORTANT
AVIS N 118 DU 13 FEVRIER 2009 DU BUREAU DU CONSEIL DE L EGALITE DES CHANCES ENTRE HOMMES ET FEMMES, RELATIF A LA PROPOSITION DE DIRECTIVE PORTANT MODIFICATION DE LA DIRECTIVE 86/613/CEE SUR L APPLICATION
Plus en détailDate d acquisition ou d établissement de la police. Traitement fiscal
NOTES EXPLICATIVES CRITÈRE D EXONÉRATION DES POLICES D ASSURANCE-VIE LOI DE L IMPÔT SUR LE REVENU La Loi de l impôt sur le revenu (la Loi) prévoit des règles concernant l imposition du revenu gagné sur
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailNotes techniques relatives aux dépôts des taux d assurance-automobile et des systèmes de classification des risques
Notes techniques relatives aux dépôts des taux d assurance-automobile et des systèmes de classification des risques Publiées avec le Bulletin No. A-12/01 de la Commission des services financiers de l Ontario
Plus en détailUN NOUVEAU MODÈLE ÉCONOMIQUE. pour développer et pérenniser les centres de santé
UN NOUVEAU MODÈLE ÉCONOMIQUE pour développer et pérenniser les centres de santé LES SOINS DE PREMIERS RECOURS CARACTÉRISTIQUES ET RÔLE DES CENTRES DE SANTÉ Les différentes formes d exercice médical regroupé
Plus en détailNote d orientation : La simulation de crise Établissements de catégorie 2. Novembre 2013. This document is also available in English.
Note d orientation : La simulation de crise Établissements de catégorie 2 This document is also available in English. La présente Note d orientation s adresse à toutes les caisses populaires de catégorie
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailCulture scientifique et technologique
Socle commun de connaissances et de compétences Collège Culture scientifique et technologique - Banque de situations d apprentissage et d évaluation - Ce document peut être utilisé librement dans le cadre
Plus en détailVariations du modèle de base
1 Variations du modèle de base Dans ce chapitre nous allons utiliser le modèle de base du chapitre précédent pour illustrer certaines questions économiques simples. Ainsi, le modèle précédent nous permettra
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailChapitre 1 Evaluation des caractéristiques d un test diagnostique. José LABARERE
UE4 : Biostatistiques Chapitre 1 Evaluation des caractéristiques d un test diagnostique José LABARERE Année universitaire 2011/2012 Université Joseph Fourier de Grenoble - Tous droits réservés. lan I.
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailConseil économique et social
NATIONS UNIES E Conseil économique et social Distr. GÉNÉRALE ECE/CES/GE.20/2008/3 12 février 2008 FRANÇAIS Original: ANGLAIS COMMISSION ÉCONOMIQUE POUR L EUROPE CONFÉRENCE DES STATISTICIENS EUROPÉENS Réunion
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailActions Propres et Consolidation
Actions Propres et Consolidation igmaconso Allen White Les actions propres d une société sont des actions émises et ultérieurement détenues par celle ci, en vue soit de les annuler soit de les revendre.
Plus en détailRévision des descriptions génériques Comment monter un dossier?
DISPOSITIFS MEDICAUX Révision des descriptions génériques Comment monter un dossier? Guide pour le dossier déposé par les fabricants/distributeurs Adopté en séance de la CEPP* le 13 juillet 2005 *CEPP
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailQuantification de l AgHBs Pouquoi? Quand?
Quantification de l AgHBs Pouquoi? Quand? Michelle Martinot-Peignoux Service d Hépatologie Hôpital Beaujon Université Paris-Diderot INSERM U-773/CRB3 Clichy-France Plan Introduction Applications Cliniques
Plus en détailTroubles de la vigilance au travail. Tests d aide à la décision d aptitude et structures de dépistage du syndrome d apnées du sommeil à Grenoble
Troubles de la vigilance au travail Tests d aide à la décision d aptitude et structures de dépistage du syndrome d apnées du sommeil à Grenoble Sandrine Launois-Rollinat Patrick Lévy, Jean-Louis Pépin,
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailInterprétation IFRIC 12 Accords de concession de services
Interprétation IFRIC 12 Accords de concession de services Références Cadre de préparation et de présentation des états financiers 1 IFRS 1 Première application des Normes internationales d information
Plus en détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailRESPONSABLE DU DEVELOPPEMENT COMMERCIAL IMPORT EXPORT
RESPONSABLE DU DEVELOPPEMENT COMMERCIAL IMPORT EXPORT Titre enregistré au Répertoire National des Certifications Professionnelles de niveau II délivré par Université Catholique de l Ouest IPLV (J.O du
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailAvis n 94-02 sur la méthodologie relative aux comptes combinés METHODOLOGIE RELATIVE AUX COMPTES COMBINES
CONSEIL NATIONAL DE LA COMPTABILITÉ Avis n 94-02 sur la méthodologie relative aux comptes combinés Le Conseil national de la comptabilité réuni en formation de Section des entreprises le 28 octobre 1994,
Plus en détailWHITEPAPER. Quatre indices pour identifier une intégration ERP inefficace
Quatre indices pour identifier une intégration ERP inefficace 1 Table of Contents 3 Manque de centralisation 4 Manque de données en temps réel 6 Implémentations fastidieuses et manquant de souplesse 7
Plus en détailContradicting Beliefs and Communication. J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua
Contradicting Beliefs and Communication J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua Introduction Papier propose : Considère structure de Kripke (KD45 au lieu de S5) Processus de communication
Plus en détail«Cours Statistique et logiciel R»
«Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire
Plus en détailErreurs les plus classiques en Bourse. TradMaker.com - 2013 Tous droits réservés Tel: 01 79 97 46 16 - CS@TRADMAKER.COM
20 Erreurs les plus classiques en Bourse TradMaker.com - 2013 Tous droits réservés Tel: 01 79 97 46 16 - CS@TRADMAKER.COM De ne jours, la Bourse est à la portée de tous, le volume d échange et le nombre
Plus en détailOrganisation de dispositifs pour tous les apprenants : la question de l'évaluation inclusive
Organisation de dispositifs pour tous les apprenants : la question de l'évaluation inclusive Transcription et traduction de la communication de Verity DONNELLY colloque Éducation inclusive, la question
Plus en détailBiométrie foetale. Comité éditorial pédagogique de l'uvmaf. Date de création du document 01/071011. - Support de Cours (Version PDF) -
Biométrie foetale Comité éditorial pédagogique de l'uvmaf Date de création du document 01/071011 Table des matières I Techniques de biométrie...3 I.1 Mesure de la longueur cranio-caudale...3 I.2 Mesure
Plus en détailRéponse concernant le financement de l assurance-emploi et les récentes mesures connexes. Ottawa, Canada 9 octobre 2014 www.pbo-dpb.gc.
Réponse concernant le financement de l assurance-emploi et les récentes mesures connexes Ottawa, Canada 9 octobre 2014 www.pbo-dpb.gc.ca Le Directeur parlementaire du budget a pour mandat de présenter
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailREFERENTIEL PROFESSIONNEL DES ASSISTANTS DE SERVICE SOCIAL
1 REFERENTIEL PROFESSIONNEL DES ASSISTANTS DE SERVICE SOCIAL DEFINITION DE LA PROFESSION ET DU CONTEXTE DE L INTERVENTION L assistant de service social exerce de façon qualifiée, dans le cadre d un mandat
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailDes solutions adaptées à vos besoins. l agroalimentaire
Des solutions adaptées à vos besoins l agroalimentaire Accroître ses chances de succès à l international Les acteurs majeurs de l agroalimentaire sont soumis aux mêmes contraintes : rentabilité, fiabilité
Plus en détailLes petis signes de T21 : comment ça marche et à quoi ça sert? Christophe Vayssière (Toulouse) DIU d echographie 2011
Les petis signes de T21 : comment ça marche et à quoi ça sert? Christophe Vayssière (Toulouse) DIU d echographie 2011 2 types de «petits signes»? Il a 2 types de petits signes de T21 : 1/ les signes suite
Plus en détailÉpreuve collaborative
Épreuve collaborative Pour chaque partie, la grille permet d apprécier, selon quatre niveaux, les compétences développées dans le sujet par le candidat. Pour cela, elle s appuie sur des indicateurs traduisant
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en détailIntact Corporation financière annonce ses résultats du deuxième trimestre
Communiqué de presse TORONTO, le 29 juillet 2015 Intact Corporation financière annonce ses résultats du deuxième trimestre Résultat opérationnel net par action de 1,56 $ avec un ratio combiné de 91,6 %.
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailPROGRAMME DE MANAGEMENT DES ORGANISATIONS
PROGRAMME DE MANAGEMENT DES ORGANISATIONS Cycle terminal de la série sciences et technologies du management et de la gestion I. INDICATIONS GÉNÉRALES L enseignement de management des organisations vise
Plus en détailREFERENTIEL QUALITÉ ASSURANCE QUALITE DE DISPOSITIFS DE FORMATIONS SUPERIEURES PROFESSIONNELLES. Juin 2006
ASSURANCE QUALITE DE DISPOSITIFS DE FORMATIONS SUPERIEURES PROFESSIONNELLES REFERENTIEL QUALITÉ Juin 2006 Groupe assurance qualité du réseau des écoles de service public Avertissement Ce référentiel constitue
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailGood practice: réduction individuelle des primes d assurance-maladie
Good practice: réduction individuelle des primes d assurance-maladie Extrait du rapport: Ehrler, Franziska, Caroline Knupfer et Yann Bochsler (2012) Effets de seuil et effets pervers sur l activité. Une
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailLa mobilité professionnelle revêt
Mobilité professionnelle 17 Du changement de poste au changement d entreprise, en passant par la promotion : la mobilité des Franciliens Les salariés franciliens, notamment les cadres, ont une propension
Plus en détailDonnées Réparties. Thibault BERNARD. thibault.bernard@univ-reims.fr
Données Réparties Thibault BERNARD thibault.bernard@univ-reims.fr Sommaire Introduction Gestion de la concurrence Reprise après panne Gestion des données dupliquées Sommaire Introduction Gestion de la
Plus en détailLES REPRESENTATIONS DES NOMBRES
LES CARTES A POINTS POUR VOIR LES NOMBRES INTRODUCTION On ne concevrait pas en maternelle une manipulation des nombres sans représentation spatiale. L enfant manipule des collections qu il va comparer,
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détail